DEV Community: Nathalie Chicaiza

¿Conoces qué es RAS?: Del Sistema de Activación Reticular a la atención artificial

Nathalie Chicaiza — Mon, 10 Aug 2026 00:00:23 +0000

Escuchando una de las publicaciones de Sofía Contreras en YouTube (recomiendo que la sigan), me llamó bastante la atención un concepto que no conocía en detalle, que me llevó a hacerme preguntas y debatir conmigo misma sobre su relación con la IA. Por ello me di a la tarea de leer un poco acerca del tema, dedicarle tiempo a algunos artículos de investigación y conectarlo con el funcionamiento de lo que hoy conocemos sobre la IA (no es que no tuviera nada que hacer, pero me gusta leer de todito y conectar ideas, además de tener amigas psicólogas y antropólogas que me llevan a hacerme otro tipo de preguntas).

Comienzo con un ejemplo muy sencillo: quieres comprar un carro rojo y luego los ves por todas partes. No es que comenzaron a aparecer más carros rojos, siempre han estado ahí, sucede que tu cerebro simplemente no los veía relevantes. El nombre de este fenómeno es el Sistema Reticular Activador (SRA o RAS por sus siglas en inglés), una red de neuronas ubicada en el tronco encefálico (entre el bulbo raquídeo, la protuberancia y el mesencéfalo) que decide de todo ese bombardeo sensorial y de información que recibes en todo momento, qué llegas a masticar en tu cerebro y qué se queda por fuera.

Curiosamente, ese mismo modus operandi (elegir lo relevante entre mucha información) es el que resuelve con otro tipo de arquitectura, los sistemas de inteligencia artificial que hoy conocemos. Aquí me parece llamativo mirar de cerca ambos mecanismos, no para decir que "la IA es como un cerebro", sino para entender qué comparten y qué no, además de qué podemos hacer con ese paralelismo.

Un filtro biológico con nombre y función

El SRA no procesa el contenido de lo que percibes, lo que hace es regular el volumen. Esto quiere decir que amplifica señales que tu cerebro etiqueta como importantes (como cuando dicen tu nombre en una lugar ruidoso, o un movimiento brusco en tu visión periférica) y al mismo tiempo atenúa el resto (como las fotos donde se ve nítido lo que se espera enfocar y borroso lo demás). Sin este filtro, la mente quedaría inundada por estímulos y no podría funcionar.

Lo interesante es que el SRA no sólo reacciona frente a los estímulos, también responde a tus intenciones, creencias y expectativas. Si te propones un objetivo, como buscar una bici con ciertas características, aprender un idioma o hacer ejercicio, el SRA comienza a "marcar" como relevante toda la información relacionada con eso, incluso la que antes pasaba inadvertida. Es de cierta forma un sistema de relevancia bidireccional, donde tus intenciones moldean lo que el SRA deja pasar a tu cerebro.

La atención artificial

Los modelos de lenguaje modernos tienen un desafío análogo, ya que cuando procesan una oración, un documento o una conversación completa, no pueden (ni deben) tratar cada palabra con el mismo peso o la misma interpretación. Aquí es donde entra el mecanismo de atención, el componente central de la arquitectura transformer en el que se basan los modelos de IA que ya conocemos (el famoso “Attention Is All You Need” de Google publicado en 2017).

Funcionalmente, esta atención hace lo que el SRA desarrolla con los sentidos, quiere decir que en lugar de procesar toda la información recibida por igual, aprende a asignar pesos según la relevancia de cada fragmento para la tarea que está realizando. Técnicamente, esto se resuelve comparando tres elementos:

Consulta (query): lo que cada fragmento busca
Clave (key): lo que cada fragmento ofrece
Valor (value): la información que efectivamente se transmite.

El modelo determina qué tan relevante es cada parte de la entrada (input) para el elemento que está procesando en ese momento (texto, voz, imagen) y le asigna prioridad en función de esa relevancia. Esa capacidad de decidir qué "atender" y qué dejar en segundo plano es precisamente lo que le permite a un modelo manejar contextos largos sin perderse en el ruido de los datos.

La analogía tiene un límite importante que vale la pena destacar, ya que el SRA es el resultado de innumerables años de evolución, funciona en gran medida de manera inconsciente y su prioridad es la supervivencia. Por otro lado, los mecanismos de atención en la IA son estructuras matemáticas diseñadas por equipos técnicos y ajustadas mediante entrenamiento sobre datos, sin ninguna experiencia subjetiva de por medio.

El que ambos busquen resolver qué es relevante, no significa que funcionen de la misma manera, pues se trata de una similitud funcional, pero no una equivalencia.

De la analogía a la práctica: usar la IA para entrenar tu propio filtro

Si entendemos el SRA como un sistema donde nuestras metas y nuestra atención pueden influir en aquello que nuestro cerebro prioriza, entonces podemos usar herramientas de IA actuando como un amplificador de ese proceso, ayudándonos a enfocar, organizar y reforzar nuestra atención hacia ese objetivo.

En la práctica, esto ya sucede de varias formas: existen por ejemplo los asistentes de definición de objetivos (herramientas de IA integradas a plataformas de productividad como Betterworks o Mesh), que en lugar de dejarte definir una meta básica como "mejorar mi rendimiento", analizan tus patrones de comportamiento y desempeño y te sugieren una versión más clara, específica y medible de esa meta, como la metodología "SMART" pero con la IA haciendo el trabajo de estructurarlos mejor. El detalle aquí es que entre más precisa sea tu intención, más precisas son las instrucciones que le das a tu propio SRA para detectar en tu entorno todo lo relacionado con ella.

Las herramientas de enfoque y trabajo profundo (como los calendarios inteligentes que optimizan bloques de tiempo o entornos de sonido generados por IA) reducen el ruido exterior, haciendo el trabajo que el SRA desarrolla de forma orgánica, pero con apoyo extra. Además de que los sistemas de recomendación personalizados hacen lo que el SRA realiza con la información sensorial: filtran el universo de información para mostrarte solo lo que es relevante para tu tarea o momento actual.

Visto así, la relación entre el SRA y la IA no es solo una curiosidad conceptual, es un recordatorio de que la pregunta sobre "qué merece atención" es tan antigua como el sistema nervioso y tan actual como la arquitectura de los modelos que ya usamos diariamente, y que entender cómo funciona uno, puede ayudarnos a usar mejor el otro.

Si tu SRA se entrena con intención y repetición, las herramientas de IA que usas cada día son en buena medida parte de ese entrenamiento….¿Que opinas?.

Bonus: El libro “El valor de la atención” plantea una mirada diferente, el autor argumenta que tecnologías basadas en los mismos sistemas de recomendación, están diseñados para secuestrar ese sistema atencional y no para fortalecerlo. Esto también es verdad, pero sería un análisis para otro artículo 🙂.

Mis fuentes de consulta:

IAM para principiantes: la base de la seguridad en AWS

Nathalie Chicaiza — Sat, 08 Aug 2026 18:34:15 +0000

Si estás iniciando en el mundo de las certificaciones en el ecosistema de AWS, hay un servicio que encontrarás con bastante frecuencia: IAM (Identity and Access Management), por lo que no es menor decir que entender bien IAM te ayudará a comprender mucho mejor casi todo lo demás en AWS.

¿Qué es IAM? 🔐

IAM es el servicio que controla quién puede hacer qué dentro de tu cuenta de AWS. Imagínatelo como el sistema de llaves y permisos de un edificio: no le das la misma llave maestra a todo el mundo, sino que decides quién entra, a qué pisos llega y qué puede hacer una vez esté adentro.
En AWS, ese "quién" y el "qué puede hacer" se define en cuatro elementos principales: usuarios, grupos, roles y políticas.

Las cuatro piezas clave

Usuarios (Users): Puede ser una persona o aplicación específica que necesita acceso a la cuenta de AWS. Cada usuario tiene sus propias credenciales.
Grupos (Groups): Una forma de organizar usuarios que cuentan con permisos similares. En lugar de otorgar permisos uno a uno, creas un grupo (Ej.: "Desarrolladores") y le asignas los permisos al grupo, así cualquier usuario que exista o agregues al grupo tendrá esos permisos automáticamente. Esto simplifica muchísimo la administración cuando tienes varios usuarios.
Roles (Roles): Aquí es donde al iniciar muchos se confunden con los usuarios, así que vale la pena detallarlo. Un rol no pertenece a una persona fija, es un conjunto de permisos temporales que puede "asumir" quien lo necesite, puede ser un usuario, una aplicación, o incluso un servicio de AWS (Ej.: una función Lambda que necesita leer un bucket de S3). Los roles no tienen contraseña ni claves permanentes, se usan mediante credenciales temporales. Son la forma recomendada para dar acceso a servicios de AWS entre sí, en lugar de guardar claves de acceso dentro del código.
Políticas (Policies): Son documentos (en formato JSON) que definen exactamente qué acciones están permitidas o denegadas, y sobre qué recursos. Una política se puede asignar a un usuario, a un grupo o a un rol. Por ejemplo, una política puede ser: "permitir leer objetos del bucket S3 llamado "fotos", pero no borrarlos".

Una buena práctica que los exámenes SAA y CCP suelen preguntar

Actualmente me estoy preparando para presentar la certificación AWS Solutions Architect Associate y un principio que observo constantemente en los materiales de preparación (igual cuando presenté Cloud Practitioner), es el mínimo privilegio (least privilege). Este indica que sean otorgados únicamente los permisos estrictamente necesarios para realizar una tarea, ni uno más. De esta forma es más fácil ampliar permisos después si hace falta que luego enfrentar las consecuencias de haber dado demasiados accesos desde el inicio.

👀 Otras recomendaciones oficiales de AWS que conviene tener presente:

Evitar políticas que otorguen privilegios administrativos completos (el famoso "*").
No asignar políticas directamente a usuarios individuales y procurar siempre usar grupos o roles en su lugar.
Habilitar MFA (autenticación multifactor) para todos los usuarios con acceso a la consola.

Un ejemplo simple para fijar la idea💡

Imagina que tienes una aplicación corriendo en una instancia EC2 y esa aplicación necesita leer archivos de un bucket S3. La forma correcta no es guardar las claves de acceso de un usuario dentro del código de la aplicación. En su lugar, creas un rol de IAM con permisos de lectura sobre ese bucket específico y se lo asignas a la instancia EC2. La aplicación obtiene credenciales temporales automáticamente, sin que nadie tenga que manejar ni rotar claves manualmente.

Cómo seguir aprendiendo

Si quieres profundizar acerca de este importante tema, la documentación oficial de IAM y la guía de mejores prácticas de seguridad son excelente material. También puedes practicar creando usuarios, grupos y roles de prueba en una cuenta gratuita, para ver cómo se comportan los permisos en la práctica, es la mejor forma de que estos conceptos se logren comprender muy bien.

Ahora, ¿tienes mas clara la diferencia entre usuarios, roles, grupos y políticas? Cuéntame en los comentarios qué parte de IAM es mas desafiante para ti, puede ser tema de un próximo artículo.

Adiós a mantener tu propio Prometheus en AWS: CloudWatch ya lo hace por ti

Nathalie Chicaiza — Sat, 08 Aug 2026 17:02:12 +0000

Si alguna vez tuviste que desplegar, escalar y mantener tu propio colector de OpenTelemetry solo para llevar métricas de Prometheus a CloudWatch, conocerás lo tedioso que puede ser. Pues te cuento que desde el 31 de julio de 2026 te puedes ahorrar ese desgaste, pues CloudWatch ahora ofrece colectores gestionados de Prometheus, sin agentes que instalar ni infraestructura que gestionar.

¿Qué resuelve?

Antes, para tener métricas de Prometheus dentro de CloudWatch necesitabas montar y operar tu propio collector: parcharlo, escalarlo y monitorear que no se cayera; la típica gestión aburrida y desgastante sin aportar valor directo y lo que en CloudOps se busca mejorar.
Con los colectores gestionados, tú solo defines una configuración de scrape (qué métricas recolectar y de dónde tomarlas) y una conexión a tus recursos. CloudWatch se encarga de aprovisionar, escalar y recolectar automáticamente.

¿Qué puedes monitorear?

Los colectores gestionados soportan varios mecanismos de descubrimiento según el servicio:

Amazon EKS: descubrimiento de servicios de Kubernetes
Amazon ECS: descubrimiento basado en DNS vía AWS Cloud Map
Amazon EC2: scraping directo de instancias
Amazon MSK y Amazon OpenSearch Service: endpoints de monitoreo abiertos

Las métricas llegan en formato OpenTelemetry y puedes consultarlas con PromQL, junto con tus métricas nativas de AWS, todo en un mismo lugar. Esto se traduce en alarmas, dashboards y correlación entre servicios sin tener que saltar entre herramientas distintas.

¿Por qué importa para la operación de nube?

Este tipo de anuncio es exactamente lo que hace que la vida en CloudOps sea más simple: menos infraestructura que mantener, observabilidad unificada y la posibilidad de correlacionar métricas de Kubernetes, contenedores, streaming y búsqueda en un solo dashboard (mis clientes siempre se quejan de estar mirando tantos tableros 🤭).
Si tu equipo ya invirtió en Prometheus como estándar de métricas, ahora puedes aprovecharlo sin el costo operativo de mantenerlo tú mismo, gózatelo!.

¿Cómo empiezas a usarlo?
La función está disponible en todas las regiones de AWS donde existe el endpoint OTLP de CloudWatch (excepto Asia Pacífico - Nueva Zelanda). Los colectores gestionados se cobran por hora y aplica el precio estándar de ingestión de métricas OpenTelemetry de CloudWatch. Puedes revisar la documentación oficial para configurar tu primer collector paso a paso 👉🏼 Managed Prometheus collectors — Amazon CloudWatch User Guide

Si estás construyendo tu perfil en observabilidad o CloudOps, este es un buen momento para probarlo 😎

Es HOY! Lanzamiento de Artemis II - 1 de abril de 2026 🚀

Nathalie Chicaiza — Wed, 01 Apr 2026 13:53:41 +0000

Sí!, me encantan los viajes espaciales, me encanta la física, de niña (y aún) quise ser astronauta, me encanta el universo, las estrellas y la luna, por ello hoy quiero salirme del contenido profesional y compartirles datos de este momento histórico para la humanidad, además de exponer con ustedes un poco de mi lado geek.

Luego de cuánto tiempo el hombre estará cerca de la Luna?:
La última vez que el hombre llegó a la luna fue en el Apolo 17 (diciembre de 1972), ¡hace más de 53 años!, llevamos más de medio siglo sin que humanos viajen más allá de la órbita terrestre baja y ahora lo podremos ver en tiempo real.

Nombre de la misión — Artemis II:

Artemisa en español, diosa y gobernadora griega de la Luna.
Hermana gemela de Apolo; la última vez que el hombre llegó a la luna fue en el Apolo 17, lo que representa la continuidad del programa.
Este nombre simboliza que el programa llevará a la primera mujer a la Luna (Christina Koch).

Objetivo de la misión: Artemis II será un examen, se necesita confirmar que todo funciona perfectamente con humanos a bordo de la cápsula en el espacio profundo, como en el teatro o la danza cuando se hace un ensayo general antes del gran estreno (también fui bailarina de danza contemporánea, un poco de mi, Ja!). La cápsula Orión nunca ha volado con tripulación. Se proyecta que con Artemis IV (2028), dos astronautas pasarán casi una semana en la región del polo sur de la Luna.

¿Cómo fue Artemis I?: Fue una misión de 2022 probada sin astronautas, pero ahora al tener humanos a bordo cambia todo, los sistemas de soporte vital, el consumo de oxígeno, la interacción con los controles, la respuesta ante emergencias, de ahí Artemis II.

Tripulantes:

Christina Koch — Especialista de misión: Se convertirá en la primera mujer asignada a una misión lunar. Récord de permanencia individual más larga en el espacio por parte de una mujer.
Victor Glover — Piloto: Se convertirá en el primer astronauta afrodescendiente en una misión lunar. Cuenta con más de 3.500 horas de vuelo en más de 40 aeronaves, con más de 400 aterrizajes en portaaviones y 24 misiones de combate.
Jeremy Hansen — Especialista de misión: Será el primer canadiense y el primer no estadounidense en viajar a la Luna. Es escalador y ciclista de montaña. Es coronel y piloto de CF-18.
Reid Wiseman — Comandante: Es astronauta de la NASA y aviador naval. Realizó dos caminatas espaciales de casi 13 horas y participó en más de 300 experimentos científicos.

Duración de la misión — 10 días:

Días 1 y 2 en órbita, verificando el buen funcionamiento antes de alejarse más.
Días 3 al 6, sucede el gran empujón que rompe la gravedad terrestre y pone la nave camino a la Luna
El sobrevuelo lunar: Se realizará una trayectoria de retorno libre, que es trazar una figura de ocho alrededor de la Luna, lo que convertirá a los tripulantes en los humanos que más lejos han estado de la Tierra en toda la historia, superando el récord del Apolo 13 de 1970.
Días 7 al 10, etapa final de la misión con el regreso a la Tierra. Orión ingresará de nuevo a la atmósfera terrestre a una velocidad y temperatura enormes (40 mil km/h y 2.760 °C), terminando la aventura en el Océano Pacífico, cerca a las costas de San Diego.

La nave — Orión:

La nave/cápsula se llama Orión. Puede albergar astronautas durante 21 días, aunque esta misión dura 10.
Tiene 63 controles, y ojo a esto!, los transbordadores anteriores tenían 1.200.
Se necesitan 4 millones de kilos de empuje para elevar toda la nave.
Orión tiene 30% más espacio que las cápuslas de los anteriores viajes Apolo.
La cápsula es solo la parte superior de lo que vemos, lo demás son propulsores.

Cuándo y donde: 1 de abril de 2026 22:24 UTC (5:24 PM en Colombia), desde el Centro Espacial Kennedy de la NASA en Cabo Cañaveral, Florida (EE. UU.).

Les compartiría más información pero no acabo el post, sin embargo para no perder el hilo profesional, agrego que el programa Artemis es un caso de estudio fascinante para cualquier Project Manager, pues tiene todo un enorme cóctel de elementos como gestión de riesgos, cronogramas desafiantes, presupuestos astronómicos, equipos multiculturales y muchísimo más!… hay bastante que analizar, pero eso lo dejamos para otro post.

Les dejo el enlace para verlo en vivo, hay muchos otros canales de Youtube donde realizarán transmisión con datos e información super interesante: https://www.youtube.com/watch?v=EIfhGm6wcew

Feliz despegue!!

Framework de Gobernanza para IA Responsable

Nathalie Chicaiza — Thu, 08 Jan 2026 15:09:11 +0000

Construí un "Framework de Gobernanza para IA Responsable" en junio de 2025, cuando muchas copañías se estaban haciendo la pregunta, ¿como implemento un gobierno para la IA? ¿que herramientas me sirven para esto? en las diferentes nubes del mercado. En linkedin https://www.linkedin.com/posts/nchicaizalizcano_herramientas-clave-en-nube-para-ia-responsable-activity-7337521322257797121-tpu0?utm_source=share&utm_medium=member_desktop&rcm=ACoAAA4haQsBIdcd5Ps4aqgqYPUvS8dmhV85Sz0 lo publiqué, pero tenía uno enfocado en AWS, que juré haberlo publicado en Linkedin también y hoy me enteré que la mente me jugó una mala pasada y la realidad fue que no lo había hecho.

¿Qué construí? Creé un recurso educativo visual y técnico titulado "Herramientas Clave en AWS para IA Responsable", que actúa como un kit de herramientas para arquitectos y líderes de proyecto (com yo, que soy Project Manager y cargo con todos los querimientos y dolores de mis clientes).

¿Por qué lo construí? Ante la creciente preocupación sobre la ética en la IA, quise empoderar a mi comunidad (AWS User Group Valle del Cauca) y a mis clientes para que dejaran de ver la IA responsable como un concepto filosófico y empezaran a implementarla como una tarea de estrategia e ingeniería.

¿Cómo lo construí? Deconstruí el ciclo de vida de la IA y asigné servicios de AWS a cada etapa de riesgo. Integré herramientas de gobernanza de datos (AWS Lake Formation/Audit Manager) con herramientas de detección de sesgos (SageMaker Clarify), creando un mapa mental claro para la implementación.

¿Qué aprendí? Aprendí que la verdadera barrera de entrada para la IA empresarial es la confianza. Descubrí que al visibilizar las herramientas de control y auditoría nativas en la nube, se reduce la fricción en la adopción de proyectos de innovación.